本文主要研究内容
作者陈慈,张敬磊,王云,盖姣云(2019)在《基于逐步回归分析和BP_Adaboost算法的危险驾驶行为辨识》一文中研究指出:为准确辨识车辆在行驶过程中可能出现的异常加减速,压线行驶,右侧超车驾驶行为,以便于及时给予驾驶员信息反馈和安全预警,使车辆保持安全的运行状态.首先通过虚拟驾驶仿真实验平台,采集驾驶行为的48种车辆运行数据对实验数据进行预处理,获得实验样本1492组;其次利用逐步回归分析对原始数据进行降维处理,并选取其中的最优回归模型获得特征参数;将提取的特征参数数据输入到BP_Adaboost多分类网络中,训练BP_Adaboost多分类网络,对上述驾驶行为进行识别;最后该模型与BP神经网络进行识别结果对比分析.结果表明模型识别率相较于BP神经网络提高了8.81%,达到92.93%,能进行更加有效的安全预警.
Abstract
wei zhun que bian shi che liang zai hang shi guo cheng zhong ke neng chu xian de yi chang jia jian su ,ya xian hang shi ,you ce chao che jia shi hang wei ,yi bian yu ji shi gei yu jia shi yuan xin xi fan kui he an quan yu jing ,shi che liang bao chi an quan de yun hang zhuang tai .shou xian tong guo xu ni jia shi fang zhen shi yan ping tai ,cai ji jia shi hang wei de 48chong che liang yun hang shu ju dui shi yan shu ju jin hang yu chu li ,huo de shi yan yang ben 1492zu ;ji ci li yong zhu bu hui gui fen xi dui yuan shi shu ju jin hang jiang wei chu li ,bing shua qu ji zhong de zui you hui gui mo xing huo de te zheng can shu ;jiang di qu de te zheng can shu shu ju shu ru dao BP_Adaboostduo fen lei wang lao zhong ,xun lian BP_Adaboostduo fen lei wang lao ,dui shang shu jia shi hang wei jin hang shi bie ;zui hou gai mo xing yu BPshen jing wang lao jin hang shi bie jie guo dui bi fen xi .jie guo biao ming mo xing shi bie lv xiang jiao yu BPshen jing wang lao di gao le 8.81%,da dao 92.93%,neng jin hang geng jia you xiao de an quan yu jing .
论文参考文献
论文详细介绍
论文作者分别是来自数学的实践与认识的陈慈,张敬磊,王云,盖姣云,发表于刊物数学的实践与认识2019年14期论文,是一篇关于智能交通论文,辨识论文,多分类论文,逐步回归分析论文,驾驶行为论文,数学的实践与认识2019年14期论文的文章。本文可供学术参考使用,各位学者可以免费参考阅读下载,文章观点不代表本站观点,资料来自数学的实践与认识2019年14期论文网站,若本站收录的文献无意侵犯了您的著作版权,请联系我们删除。
标签:智能交通论文; 辨识论文; 多分类论文; 逐步回归分析论文; 驾驶行为论文; 数学的实践与认识2019年14期论文;